Datenanalyse in R I

Jannis Bosch

Setup

Bitte erstellt wieder ein R Projekt und öffnet es
Erstellt ein R-Skript für den heutigen Workshop

Daten herunterladen

Hier klicken um den Datensatz runterzuladen

Daten einlesen

# Lest zunächst den Datensatz ein
mydata <- readRDS(file.path("dateien", "experiment_data.rds"))

# Schaut euch dann die Struktur des Datensatzes in RStudio an

Wiederholung - Skalen bilden

Items für die Skalen definieren

# Im Datensatz sind Items aus acht verschiedenen Skalen
# Erstellt nun zunächst für jede Skala einen Vektor mit den Item-Namen im Datensatz
sc1_items <- c("sc1_1", "sc1_2_rev", "sc1_3", "sc1_4_rev") # self-concept (pre-test)
sc2_items <- c("sc2_1", "sc2_2_rev", "sc2_3", "sc2_4_rev") # self-concept (post-test)
int1_items <- c("int1_1", "int1_2", "int1_3", "int1_4") # interest (pre-test)
int2_items <- c("int2_1", "int2_2", "int2_3", "int2_4") # interest (post-test)
sco_ability_items <- c("SCO1", "SCO2", "SCO3", "SCO4", "SCO5_rev", "SCO6") # social comparison orientation ability
sco_opinion_items <- c("SCO7", "SCO8", "SCO9", "SCO10", "SCO11_rev") # social comparison orientation opinion
identification_items <- c("Ident1", "Ident2", "Ident3", "Ident4") # university identification
enjoyment_items <- c("End1", "End2_rev", "End3") # enjoyment of the task

# Diese Variablen können wir später zur Berechnung der Skalenmittelwerte nutzen

Cronbach’s Alpha

# psych-Bibliothek laden
library(psych)

alpha(mydata[,sc1_items]) # entspricht: alpha(mydata[,c("sc1_1", "sc1_2_rev", "sc1_3", "sc1_4_rev")])


Reliability analysis   
Call: alpha(x = mydata[, sc1_items])

  raw_alpha std.alpha G6(smc) average_r S/N   ase mean  sd median_r
      0.91      0.91     0.9      0.73  11 0.012  4.2 1.2     0.71

    95% confidence boundaries 
         lower alpha upper
Feldt     0.88  0.91  0.93
Duhachek  0.88  0.91  0.93

 Reliability if an item is dropped:
          raw_alpha std.alpha G6(smc) average_r S/N alpha se   var.r med.r
sc1_1          0.86      0.87    0.82      0.68 6.5    0.018 0.00184  0.70
sc1_2_rev      0.90      0.91    0.88      0.77 9.9    0.014 0.00452  0.74
sc1_3          0.88      0.89    0.84      0.72 7.7    0.016 0.00043  0.71
sc1_4_rev      0.88      0.89    0.86      0.73 8.1    0.016 0.01097  0.71

 Item statistics 
            n raw.r std.r r.cor r.drop mean  sd
sc1_1     166  0.91  0.93  0.91   0.85  4.0 1.2
sc1_2_rev 166  0.86  0.86  0.78   0.75  4.1 1.5
sc1_3     166  0.88  0.90  0.86   0.80  4.1 1.3
sc1_4_rev 166  0.90  0.89  0.83   0.80  4.6 1.6

Non missing response frequency for each item
             1    2    3    4    5    6    7 miss
sc1_1     0.01 0.12 0.19 0.27 0.33 0.08 0.01    0
sc1_2_rev 0.02 0.17 0.17 0.19 0.23 0.20 0.01    0
sc1_3     0.01 0.10 0.24 0.23 0.28 0.13 0.01    0
sc1_4_rev 0.01 0.14 0.13 0.17 0.20 0.23 0.11    0

# Schaut euch mal das Cronbach's Alpha der SCO Skalen an
# Findet ihr potentiell unpassende Items?

Cronbach’s Alpha - SCO ability

alpha(mydata[,sco_ability_items])


Reliability analysis   
Call: alpha(x = mydata[, sco_ability_items])

  raw_alpha std.alpha G6(smc) average_r S/N  ase mean  sd median_r
      0.83      0.84    0.83      0.46 5.1 0.02  4.1 1.2     0.45

    95% confidence boundaries 
         lower alpha upper
Feldt     0.79  0.83  0.87
Duhachek  0.80  0.83  0.87

 Reliability if an item is dropped:
         raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
SCO1          0.85      0.85    0.84      0.54 5.8    0.018 0.012  0.54
SCO2          0.77      0.77    0.75      0.41 3.4    0.028 0.016  0.39
SCO3          0.80      0.80    0.79      0.45 4.1    0.024 0.022  0.44
SCO4          0.79      0.79    0.78      0.44 3.9    0.026 0.026  0.40
SCO5_rev      0.79      0.79    0.78      0.43 3.8    0.026 0.021  0.41
SCO6          0.82      0.82    0.81      0.48 4.7    0.022 0.028  0.54

 Item statistics 
           n raw.r std.r r.cor r.drop mean  sd
SCO1     166  0.56  0.56  0.41   0.38  3.8 1.6
SCO2     166  0.85  0.86  0.86   0.77  4.4 1.5
SCO3     166  0.75  0.76  0.70   0.63  4.7 1.5
SCO4     166  0.80  0.79  0.74   0.68  3.7 1.6
SCO5_rev 166  0.80  0.79  0.76   0.68  4.2 1.7
SCO6     166  0.68  0.68  0.58   0.53  3.8 1.6

Non missing response frequency for each item
            1    2    3    4    5    6    7 miss
SCO1     0.07 0.21 0.16 0.19 0.20 0.14 0.02    0
SCO2     0.02 0.12 0.16 0.22 0.22 0.18 0.08    0
SCO3     0.02 0.09 0.08 0.19 0.31 0.20 0.11    0
SCO4     0.08 0.20 0.19 0.17 0.19 0.13 0.03    0
SCO5_rev 0.06 0.13 0.18 0.18 0.19 0.20 0.06    0
SCO6     0.06 0.19 0.19 0.20 0.18 0.14 0.03    0

# Item 1 passt nicht perfekt

Cronbach’s Alpha - SCO ability

alpha(mydata[,sco_opinion_items])


Reliability analysis   
Call: alpha(x = mydata[, sco_opinion_items])

  raw_alpha std.alpha G6(smc) average_r S/N   ase mean   sd median_r
      0.73      0.74    0.77      0.36 2.8 0.033  5.1 0.94     0.41

    95% confidence boundaries 
         lower alpha upper
Feldt     0.66  0.73  0.79
Duhachek  0.66  0.73  0.79

 Reliability if an item is dropped:
          raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
SCO7           0.66      0.67    0.70      0.34 2.0    0.043 0.113  0.32
SCO8           0.59      0.60    0.59      0.27 1.5    0.053 0.053  0.27
SCO9           0.61      0.62    0.64      0.29 1.7    0.051 0.075  0.27
SCO10          0.66      0.67    0.71      0.33 2.0    0.045 0.093  0.27
SCO11_rev      0.84      0.83    0.82      0.56 5.1    0.020 0.017  0.59

 Item statistics 
            n raw.r std.r r.cor r.drop mean  sd
SCO7      165  0.72  0.74 0.648  0.551  5.8 1.2
SCO8      165  0.84  0.84 0.861  0.713  5.4 1.4
SCO9      165  0.82  0.81 0.799  0.665  5.0 1.5
SCO10     166  0.73  0.74 0.655  0.564  5.0 1.3
SCO11_rev 166  0.38  0.36 0.091  0.071  4.3 1.5

Non missing response frequency for each item
             1    2    3    4    5    6    7 miss
SCO7      0.01 0.02 0.02 0.04 0.16 0.43 0.31 0.01
SCO8      0.01 0.05 0.03 0.11 0.22 0.38 0.19 0.01
SCO9      0.02 0.04 0.12 0.12 0.27 0.28 0.15 0.01
SCO10     0.00 0.04 0.08 0.18 0.28 0.31 0.10 0.00
SCO11_rev 0.04 0.08 0.16 0.28 0.25 0.13 0.07 0.00

# Item 11 passt überhaupt nicht (Alpha geht hoch, Trennschärfe von .07)

Skalenmittelwerte berechnen

# Wie beim letzten mal erstellen wir jetzt neue Spalten für die 
# Skalenmittelwerte mit der rowMeans()-Funktion
mydata[,"sc1_mean"] <- rowMeans(mydata[,sc1_items], na.rm = T)
mydata[,"sc2_mean"] <- rowMeans(mydata[,sc2_items], na.rm = T)
mydata[,"int1_mean"] <- rowMeans(mydata[,int1_items], na.rm = T)
mydata[,"int2_mean"] <- rowMeans(mydata[,int2_items], na.rm = T)
mydata[,"sco_ability_mean"] <- rowMeans(mydata[,sco_ability_items], na.rm = T)
mydata[,"sco_opinion_mean"] <- rowMeans(mydata[,sco_opinion_items], na.rm = T)
mydata[,"identification_mean"] <- rowMeans(mydata[,identification_items], na.rm = T)
mydata[,"enjoyment_mean"] <- rowMeans(mydata[,enjoyment_items], na.rm = T)

Exkurs: dplyr, tidyr und das tidyverse

Das tidyverse

Das tidyverse ist eine Sammlung von Bibliotheken zur Datenanalyse
Es beinhaltet verschiedene Bibliotheken und Funktionen, die die Datenaufbereitung erleichtern, Tools zur Erstellung von Graphiken (ggplot) und vieles mehr
Mehr Informationen unter https://www.tidyverse.org/

R Cheat Sheets

Cheat Sheets sind eine graphische Aufbereitung verschiedener Funktionen von Bibliotheken
dplyr Cheat Sheet
tidyr Cheat Sheet

tidyverse installieren

# Die Bibliothek installieren
install.packages("tidyverse")

# Und die Bibliothek laden
library(tidyverse)

Daten aufbereiten

Datensatz aufräumen

# Zur besseren Übersicht bietet es sich nach Berechnung der Skalenmittelwerte 
# an einen neuen Datensatz zu erstellen, der die Einzelitems nicht beinhaltet 
mydata_scales <- select(mydata, !c(all_of(c(int1_items, int2_items, sc1_items, sc2_items, sco_ability_items, sco_opinion_items, enjoyment_items, identification_items)), "sc1_2", "sc1_4", "sc2_2", "sc2_4", "SCO5", "SCO11", "End2"))

Datensatz aufräumen

# Das geht auch mit der pipe
mydata_scales <- mydata |>
  select(!c(all_of(c(int1_items, int2_items, sc1_items, sc2_items, sco_ability_items, sco_opinion_items, enjoyment_items, identification_items)), "sc1_2", "sc1_4", "sc2_2", "sc2_4", "SCO5", "SCO11", "End2"))

# entspricht:
# select(mydata, !c(all_of(c(int1_items, int2_items, sc1_items, sc2_items, sco_ability_items, sco_opinion_items, enjoyment_items, identification_items)), "sc1_2", "sc1_4", "sc2_2", "sc2_4", "SCO5", "SCO11", "End2"))

# Die pipe nutzt die Variable vor der pipe |> als erstes Argument für die Funktion nach der pipe |>
# Teilweise wird auch %>% als pipe verwendet
# Für unsere heutigen Bedürfnisse sind beide pipes äquivalent
# %>% kommt aus der tidyverse-Bibliothek (bzw. aus magrittr), |> aus base R (keine Bibliothek nötig)

Daten aufbereiten

# Unsere Daten sind nicht ganz konsistent benannt
# Alter und Geschlecht sind groß geschrieben und auf Deutsch

# So können wir die Spalte neu benennen 
mydata_scales <- mydata_scales |>
  rename(age = Alter, gender = Geschlecht)

Deskriptive Statistik

# Verschaffen wir uns mal einen Überblick
describe(mydata_scales)

                    vars   n    mean    sd  median trimmed   mad     min
UserID                 1 166 1114.83 54.37 1115.50 1115.03 68.94 1020.00
rating1                2 166    2.51  1.27    2.00    2.40  1.48    1.00
rating2                3 166    2.98  0.86    3.00    2.97  1.48    1.00
run1                   4 166    0.52  0.15    0.52    0.52  0.17    0.13
run2                   5 166    0.72  0.16    0.73    0.72  0.15    0.30
age                    6 166   22.48  5.65   20.00   21.31  1.48   18.00
gender                 7 166    1.11  0.32    1.00    1.02  0.00    1.00
sozpos*                8 166    1.51  0.50    2.00    1.51  0.00    1.00
sc1_mean               9 166    4.20  1.25    4.25    4.24  1.48    1.50
sc2_mean              10 166    4.02  1.28    4.00    4.03  1.11    1.00
int1_mean             11 166    4.29  1.46    4.50    4.36  1.48    1.00
int2_mean             12 166    4.27  1.59    4.50    4.36  1.48    1.00
sco_ability_mean      13 166    4.08  1.17    4.17    4.10  1.24    1.50
sco_opinion_mean      14 166    5.12  0.94    5.20    5.21  0.89    1.60
identification_mean   15 166    4.64  1.00    4.75    4.69  1.11    1.75
enjoyment_mean        16 165    5.01  1.08    5.00    5.06  0.99    1.33
                        max  range  skew kurtosis   se
UserID              1209.00 189.00 -0.02    -1.17 4.22
rating1                5.00   4.00  0.52    -0.88 0.10
rating2                5.00   4.00  0.05    -0.33 0.07
run1                   0.90   0.77  0.05    -0.23 0.01
run2                   1.00   0.70 -0.50    -0.41 0.01
age                   46.00  28.00  1.95     3.52 0.44
gender                 2.00   1.00  2.40     3.78 0.02
sozpos*                2.00   1.00 -0.02    -2.01 0.04
sc1_mean               7.00   5.50 -0.16    -0.92 0.10
sc2_mean               7.00   6.00 -0.16    -0.45 0.10
int1_mean              7.00   6.00 -0.41    -0.71 0.11
int2_mean              7.00   6.00 -0.45    -0.73 0.12
sco_ability_mean       6.83   5.33 -0.08    -0.74 0.09
sco_opinion_mean       7.00   5.40 -1.03     1.48 0.07
identification_mean    7.00   5.25 -0.45     0.14 0.08
enjoyment_mean         7.00   5.67 -0.53     0.12 0.08

Deskriptive Statistik nach Gruppen

# So können wir uns die deskriptiven Statistiken getrennt nach Gruppen ausgeben lassen
describeBy(mydata_scales ~ sozpos)


 Descriptive statistics by group 
sozpos: low social position
                    vars  n    mean    sd  median trimmed   mad     min     max
UserID                 1 82 1116.43 53.09 1121.00 1117.03 63.01 1021.00 1209.00
rating1                2 82    1.60  0.61    2.00    1.56  0.00    1.00    4.00
rating2                3 82    2.73  0.80    3.00    2.71  1.48    1.00    5.00
run1                   4 82    0.52  0.14    0.50    0.52  0.15    0.13    0.80
run2                   5 82    0.71  0.17    0.73    0.72  0.15    0.30    1.00
age                    6 82   22.60  5.62   20.00   21.50  1.48   18.00   43.00
gender                 7 82    1.12  0.33    1.00    1.03  0.00    1.00    2.00
sozpos                 8 82    1.00  0.00    1.00    1.00  0.00    1.00    1.00
sc1_mean               9 82    4.12  1.26    4.00    4.15  1.48    1.75    7.00
sc2_mean              10 82    3.72  1.26    3.88    3.70  1.30    1.00    7.00
int1_mean             11 82    4.38  1.51    4.50    4.45  1.48    1.00    7.00
int2_mean             12 82    4.21  1.61    4.25    4.27  1.48    1.00    7.00
sco_ability_mean      13 82    4.02  1.14    4.17    4.05  1.24    1.50    6.17
sco_opinion_mean      14 82    5.10  0.89    5.20    5.19  0.89    2.60    6.80
identification_mean   15 82    4.75  1.03    4.88    4.80  0.93    2.00    7.00
enjoyment_mean        16 82    4.90  1.01    5.00    4.94  0.99    2.00    7.00
                     range  skew kurtosis   se
UserID              188.00 -0.12    -1.08 5.86
rating1               3.00  0.78     1.25 0.07
rating2               4.00  0.08    -0.09 0.09
run1                  0.67 -0.11    -0.33 0.02
run2                  0.70 -0.46    -0.42 0.02
age                  25.00  1.73     2.45 0.62
gender                1.00  2.27     3.19 0.04
sozpos                0.00   NaN      NaN 0.00
sc1_mean              5.25 -0.10    -1.03 0.14
sc2_mean              6.00 -0.02    -0.66 0.14
int1_mean             6.00 -0.40    -0.61 0.17
int2_mean             6.00 -0.30    -0.71 0.18
sco_ability_mean      4.67 -0.27    -0.86 0.13
sco_opinion_mean      4.20 -0.91     0.66 0.10
identification_mean   5.00 -0.49    -0.17 0.11
enjoyment_mean        5.00 -0.44    -0.23 0.11
------------------------------------------------------------ 
sozpos: high social position
                    vars  n    mean    sd  median trimmed   mad     min     max
UserID                 1 84 1113.27 55.86 1110.00 1113.09 70.42 1020.00 1208.00
rating1                2 84    3.40  1.11    3.50    3.43  0.74    1.00    5.00
rating2                3 84    3.21  0.85    3.00    3.22  1.48    1.00    5.00
run1                   4 84    0.52  0.15    0.53    0.52  0.17    0.20    0.90
run2                   5 84    0.72  0.15    0.73    0.73  0.15    0.33    0.97
age                    6 84   22.37  5.71   20.00   21.13  2.97   18.00   46.00
gender                 7 84    1.11  0.31    1.00    1.01  0.00    1.00    2.00
sozpos                 8 84    2.00  0.00    2.00    2.00  0.00    2.00    2.00
sc1_mean               9 84    4.28  1.24    4.25    4.32  1.48    1.50    6.50
sc2_mean              10 84    4.31  1.24    4.25    4.35  1.11    1.00    7.00
int1_mean             11 84    4.21  1.41    4.50    4.28  1.48    1.00    6.50
int2_mean             12 84    4.32  1.58    4.75    4.44  1.48    1.00    7.00
sco_ability_mean      13 84    4.14  1.21    4.00    4.14  1.24    1.83    6.83
sco_opinion_mean      14 84    5.14  0.99    5.20    5.24  0.89    1.60    7.00
identification_mean   15 84    4.53  0.96    4.50    4.57  0.74    1.75    6.50
enjoyment_mean        16 83    5.11  1.13    5.33    5.17  0.99    1.33    7.00
                     range  skew kurtosis   se
UserID              188.00  0.08    -1.28 6.10
rating1               4.00 -0.21    -0.90 0.12
rating2               4.00 -0.07    -0.50 0.09
run1                  0.70  0.16    -0.27 0.02
run2                  0.63 -0.52    -0.50 0.02
age                  28.00  2.12     4.38 0.62
gender                1.00  2.50     4.28 0.03
sozpos                0.00   NaN      NaN 0.00
sc1_mean              5.00 -0.21    -0.85 0.13
sc2_mean              6.00 -0.30    -0.12 0.13
int1_mean             5.50 -0.45    -0.93 0.15
int2_mean             6.00 -0.60    -0.77 0.17
sco_ability_mean      5.00  0.05    -0.77 0.13
sco_opinion_mean      5.40 -1.10     1.86 0.11
identification_mean   4.75 -0.46     0.49 0.10
enjoyment_mean        5.67 -0.66     0.35 0.12

# Die Tilde zeigt uns an, dass es sich hier um eine Formel handelt
# Das ist eine von R häufig genutzte Art Zusammenhänge zwischen Variablen darzustellen
# Links von der Tilde (~) steht bzw. stehen die AV(s), rechts von der Tilde die UV(s) 
# In diesem Fall sind alle Spalten die AV und die Spalte sozpos ist die UV

Deskriptive Statistik nach Gruppen

# Alternativ könnten wir das auch so schreiben:
describeBy(mydata_scales, group = mydata_scales[,"sozpos"])


 Descriptive statistics by group 
group: low social position
                    vars  n    mean    sd  median trimmed   mad     min     max
UserID                 1 82 1116.43 53.09 1121.00 1117.03 63.01 1021.00 1209.00
rating1                2 82    1.60  0.61    2.00    1.56  0.00    1.00    4.00
rating2                3 82    2.73  0.80    3.00    2.71  1.48    1.00    5.00
run1                   4 82    0.52  0.14    0.50    0.52  0.15    0.13    0.80
run2                   5 82    0.71  0.17    0.73    0.72  0.15    0.30    1.00
age                    6 82   22.60  5.62   20.00   21.50  1.48   18.00   43.00
gender                 7 82    1.12  0.33    1.00    1.03  0.00    1.00    2.00
sozpos                 8 82    1.00  0.00    1.00    1.00  0.00    1.00    1.00
sc1_mean               9 82    4.12  1.26    4.00    4.15  1.48    1.75    7.00
sc2_mean              10 82    3.72  1.26    3.88    3.70  1.30    1.00    7.00
int1_mean             11 82    4.38  1.51    4.50    4.45  1.48    1.00    7.00
int2_mean             12 82    4.21  1.61    4.25    4.27  1.48    1.00    7.00
sco_ability_mean      13 82    4.02  1.14    4.17    4.05  1.24    1.50    6.17
sco_opinion_mean      14 82    5.10  0.89    5.20    5.19  0.89    2.60    6.80
identification_mean   15 82    4.75  1.03    4.88    4.80  0.93    2.00    7.00
enjoyment_mean        16 82    4.90  1.01    5.00    4.94  0.99    2.00    7.00
                     range  skew kurtosis   se
UserID              188.00 -0.12    -1.08 5.86
rating1               3.00  0.78     1.25 0.07
rating2               4.00  0.08    -0.09 0.09
run1                  0.67 -0.11    -0.33 0.02
run2                  0.70 -0.46    -0.42 0.02
age                  25.00  1.73     2.45 0.62
gender                1.00  2.27     3.19 0.04
sozpos                0.00   NaN      NaN 0.00
sc1_mean              5.25 -0.10    -1.03 0.14
sc2_mean              6.00 -0.02    -0.66 0.14
int1_mean             6.00 -0.40    -0.61 0.17
int2_mean             6.00 -0.30    -0.71 0.18
sco_ability_mean      4.67 -0.27    -0.86 0.13
sco_opinion_mean      4.20 -0.91     0.66 0.10
identification_mean   5.00 -0.49    -0.17 0.11
enjoyment_mean        5.00 -0.44    -0.23 0.11
------------------------------------------------------------ 
group: high social position
                    vars  n    mean    sd  median trimmed   mad     min     max
UserID                 1 84 1113.27 55.86 1110.00 1113.09 70.42 1020.00 1208.00
rating1                2 84    3.40  1.11    3.50    3.43  0.74    1.00    5.00
rating2                3 84    3.21  0.85    3.00    3.22  1.48    1.00    5.00
run1                   4 84    0.52  0.15    0.53    0.52  0.17    0.20    0.90
run2                   5 84    0.72  0.15    0.73    0.73  0.15    0.33    0.97
age                    6 84   22.37  5.71   20.00   21.13  2.97   18.00   46.00
gender                 7 84    1.11  0.31    1.00    1.01  0.00    1.00    2.00
sozpos                 8 84    2.00  0.00    2.00    2.00  0.00    2.00    2.00
sc1_mean               9 84    4.28  1.24    4.25    4.32  1.48    1.50    6.50
sc2_mean              10 84    4.31  1.24    4.25    4.35  1.11    1.00    7.00
int1_mean             11 84    4.21  1.41    4.50    4.28  1.48    1.00    6.50
int2_mean             12 84    4.32  1.58    4.75    4.44  1.48    1.00    7.00
sco_ability_mean      13 84    4.14  1.21    4.00    4.14  1.24    1.83    6.83
sco_opinion_mean      14 84    5.14  0.99    5.20    5.24  0.89    1.60    7.00
identification_mean   15 84    4.53  0.96    4.50    4.57  0.74    1.75    6.50
enjoyment_mean        16 83    5.11  1.13    5.33    5.17  0.99    1.33    7.00
                     range  skew kurtosis   se
UserID              188.00  0.08    -1.28 6.10
rating1               4.00 -0.21    -0.90 0.12
rating2               4.00 -0.07    -0.50 0.09
run1                  0.70  0.16    -0.27 0.02
run2                  0.63 -0.52    -0.50 0.02
age                  28.00  2.12     4.38 0.62
gender                1.00  2.50     4.28 0.03
sozpos                0.00   NaN      NaN 0.00
sc1_mean              5.00 -0.21    -0.85 0.13
sc2_mean              6.00 -0.30    -0.12 0.13
int1_mean             5.50 -0.45    -0.93 0.15
int2_mean             6.00 -0.60    -0.77 0.17
sco_ability_mean      5.00  0.05    -0.77 0.13
sco_opinion_mean      5.40 -1.10     1.86 0.11
identification_mean   4.75 -0.46     0.49 0.10
enjoyment_mean        5.67 -0.66     0.35 0.12

Zusammenhangsanalysen

Korrelationen

# Korrelationsvariablen festlegen
cor_vars <- c("sc1_mean", "sc2_mean", "int1_mean", "int2_mean", "sco_ability_mean", "sco_opinion_mean", "enjoyment_mean", "identification_mean")

# Korrelationsparamater für diese Variablen berechnen
corr.test(mydata_scales[,cor_vars])

Call:corr.test(x = mydata_scales[, cor_vars])
Correlation matrix 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                1.00     0.86      0.42      0.41             0.03
sc2_mean                0.86     1.00      0.46      0.47             0.00
int1_mean               0.42     0.46      1.00      0.90            -0.01
int2_mean               0.41     0.47      0.90      1.00            -0.09
sco_ability_mean        0.03     0.00     -0.01     -0.09             1.00
sco_opinion_mean       -0.05    -0.03      0.07      0.07             0.48
enjoyment_mean          0.24     0.25      0.56      0.58             0.12
identification_mean    -0.01     0.00      0.15      0.13             0.15
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                       -0.05           0.24               -0.01
sc2_mean                       -0.03           0.25                0.00
int1_mean                       0.07           0.56                0.15
int2_mean                       0.07           0.58                0.13
sco_ability_mean                0.48           0.12                0.15
sco_opinion_mean                1.00           0.22                0.26
enjoyment_mean                  0.22           1.00                0.19
identification_mean             0.26           0.19                1.00
Sample Size 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                 166      166       166       166              166
sc2_mean                 166      166       166       166              166
int1_mean                166      166       166       166              166
int2_mean                166      166       166       166              166
sco_ability_mean         166      166       166       166              166
sco_opinion_mean         166      166       166       166              166
enjoyment_mean           165      165       165       165              165
identification_mean      166      166       166       166              166
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                         166            165                 166
sc2_mean                         166            165                 166
int1_mean                        166            165                 166
int2_mean                        166            165                 166
sco_ability_mean                 166            165                 166
sco_opinion_mean                 166            165                 166
enjoyment_mean                   165            165                 165
identification_mean              166            165                 166
Probability values (Entries above the diagonal are adjusted for multiple tests.) 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                0.00     0.00      0.00      0.00             1.00
sc2_mean                0.00     0.00      0.00      0.00             1.00
int1_mean               0.00     0.00      0.00      0.00             1.00
int2_mean               0.00     0.00      0.00      0.00             1.00
sco_ability_mean        0.72     0.99      0.90      0.27             0.00
sco_opinion_mean        0.54     0.66      0.37      0.36             0.00
enjoyment_mean          0.00     0.00      0.00      0.00             0.14
identification_mean     0.90     0.99      0.05      0.09             0.06
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                           1           0.03                1.00
sc2_mean                           1           0.02                1.00
int1_mean                          1           0.00                0.65
int2_mean                          1           0.00                1.00
sco_ability_mean                   0           1.00                0.74
sco_opinion_mean                   0           0.06                0.01
enjoyment_mean                     0           0.00                0.21
identification_mean                0           0.01                0.00

 To see confidence intervals of the correlations, print with the short=FALSE option

Skalenkorrelationen nach Gruppen getrennt

# Die corr.test()-Funktion hat keinen "eingebauten" Gruppenvergleich
# Verschiedene andere Funktionen können diese Lücke aber schließen
# Mit der subset()-Funktion kann ich einen Teil der Fälle ausschließen
corr.test(subset(mydata_scales, sozpos == "low social position")[,cor_vars])

Call:corr.test(x = subset(mydata_scales, sozpos == "low social position")[, 
    cor_vars])
Correlation matrix 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                1.00     0.84      0.39      0.38             0.25
sc2_mean                0.84     1.00      0.48      0.46             0.22
int1_mean               0.39     0.48      1.00      0.90             0.04
int2_mean               0.38     0.46      0.90      1.00            -0.01
sco_ability_mean        0.25     0.22      0.04     -0.01             1.00
sco_opinion_mean       -0.04    -0.03      0.04      0.13             0.39
enjoyment_mean          0.27     0.29      0.66      0.66             0.03
identification_mean    -0.10    -0.09      0.15      0.10             0.17
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                       -0.04           0.27               -0.10
sc2_mean                       -0.03           0.29               -0.09
int1_mean                       0.04           0.66                0.15
int2_mean                       0.13           0.66                0.10
sco_ability_mean                0.39           0.03                0.17
sco_opinion_mean                1.00           0.12                0.25
enjoyment_mean                  0.12           1.00                0.13
identification_mean             0.25           0.13                1.00
Sample Size 
[1] 82
Probability values (Entries above the diagonal are adjusted for multiple tests.) 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                0.00     0.00      0.01      0.01             0.39
sc2_mean                0.00     0.00      0.00      0.00             0.67
int1_mean               0.00     0.00      0.00      0.00             1.00
int2_mean               0.00     0.00      0.00      0.00             1.00
sco_ability_mean        0.02     0.04      0.73      0.90             0.00
sco_opinion_mean        0.69     0.79      0.74      0.26             0.00
enjoyment_mean          0.01     0.01      0.00      0.00             0.81
identification_mean     0.36     0.41      0.19      0.38             0.13
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                        1.00           0.24                1.00
sc2_mean                        1.00           0.16                1.00
int1_mean                       1.00           0.00                1.00
int2_mean                       1.00           0.00                1.00
sco_ability_mean                0.01           1.00                1.00
sco_opinion_mean                0.00           1.00                0.41
enjoyment_mean                  0.30           0.00                1.00
identification_mean             0.03           0.23                0.00

 To see confidence intervals of the correlations, print with the short=FALSE option

Skalenkorrelationen nach Gruppen getrennt

# Die filter()-Funktion wird etwas anders verwendet,
# das Ergebnis ist aber das gleiche wie bei der subset()-Funktion.
# Beide Funktionen stehen für zwei unterschiedliche Programmierlogiken,
# die in R parallel bestehen und je nach Anlass ausgewählt werden können.
mydata_scales |>
  filter(sozpos == "high social position") |>
  select(cor_vars) |>
  corr.test()

Call:corr.test(x = select(filter(mydata_scales, sozpos == "high social position"), 
    cor_vars))
Correlation matrix 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                1.00     0.90      0.46      0.43            -0.18
sc2_mean                0.90     1.00      0.48      0.49            -0.23
int1_mean               0.46     0.48      1.00      0.90            -0.05
int2_mean               0.43     0.49      0.90      1.00            -0.16
sco_ability_mean       -0.18    -0.23     -0.05     -0.16             1.00
sco_opinion_mean       -0.05    -0.05      0.11      0.02             0.56
enjoyment_mean          0.20     0.19      0.49      0.50             0.18
identification_mean     0.10     0.15      0.15      0.17             0.14
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                       -0.05           0.20                0.10
sc2_mean                       -0.05           0.19                0.15
int1_mean                       0.11           0.49                0.15
int2_mean                       0.02           0.50                0.17
sco_ability_mean                0.56           0.18                0.14
sco_opinion_mean                1.00           0.31                0.29
enjoyment_mean                  0.31           1.00                0.27
identification_mean             0.29           0.27                1.00
Sample Size 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                  84       84        84        84               84
sc2_mean                  84       84        84        84               84
int1_mean                 84       84        84        84               84
int2_mean                 84       84        84        84               84
sco_ability_mean          84       84        84        84               84
sco_opinion_mean          84       84        84        84               84
enjoyment_mean            83       83        83        83               83
identification_mean       84       84        84        84               84
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                          84             83                  84
sc2_mean                          84             83                  84
int1_mean                         84             83                  84
int2_mean                         84             83                  84
sco_ability_mean                  84             83                  84
sco_opinion_mean                  84             83                  84
enjoyment_mean                    83             83                  83
identification_mean               84             83                  84
Probability values (Entries above the diagonal are adjusted for multiple tests.) 
                    sc1_mean sc2_mean int1_mean int2_mean sco_ability_mean
sc1_mean                0.00     0.00      0.00      0.00             1.00
sc2_mean                0.00     0.00      0.00      0.00             0.56
int1_mean               0.00     0.00      0.00      0.00             1.00
int2_mean               0.00     0.00      0.00      0.00             1.00
sco_ability_mean        0.09     0.04      0.64      0.15             0.00
sco_opinion_mean        0.63     0.64      0.34      0.84             0.00
enjoyment_mean          0.06     0.09      0.00      0.00             0.10
identification_mean     0.35     0.17      0.17      0.11             0.20
                    sco_opinion_mean enjoyment_mean identification_mean
sc1_mean                        1.00           0.95                1.00
sc2_mean                        1.00           1.00                1.00
int1_mean                       1.00           0.00                1.00
int2_mean                       1.00           0.00                1.00
sco_ability_mean                0.00           1.00                1.00
sco_opinion_mean                0.00           0.09                0.15
enjoyment_mean                  0.00           0.00                0.23
identification_mean             0.01           0.01                0.00

 To see confidence intervals of the correlations, print with the short=FALSE option

Die (einfache) lineare Regression

# Zusammenhänge können natürlich auch per Regressionsanalyse
# betrachtet werden. Hier wurde der Zusammenhang zwischen dem Selbstkonzept
# zum ersten und zweiten Messzeitpunkt mit der lm()-Funktion berechnet
lm(sc2_mean ~ sc1_mean, data = mydata_scales)


Call:
lm(formula = sc2_mean ~ sc1_mean, data = mydata_scales)

Coefficients:
(Intercept)     sc1_mean  
     0.3185       0.8802

Die (einfache) lineare Regression

# Die summary()-Funktion liefert etwas ausführlichere Ergebnisse
summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))


Call:
lm(formula = sc2_mean ~ sc1_mean, data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.3794 -0.3616  0.0906  0.3107  1.9212 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.31849    0.18028   1.767   0.0792 .  
sc1_mean     0.88016    0.04113  21.400   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6588 on 164 degrees of freedom
Multiple R-squared:  0.7363,    Adjusted R-squared:  0.7347 
F-statistic: 457.9 on 1 and 164 DF,  p-value: < 2.2e-16

# Interpretation:
# Intercept - Wenn alle Prädiktoren einen Wert von 0 haben (in diesem
# Fall also wenn sc1_mean 0 ist), erwarten wir einen Wert von 0.319 
# für das Kriterium (sc2_mean)

Die (einfache) lineare Regression

# Man kann sich auch einzelne Elemente aus der Ausgabe anzeigen lassen
summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))[["coefficients"]]

             Estimate Std. Error   t value     Pr(>|t|)
(Intercept) 0.3184855 0.18028385  1.766578 7.915918e-02
sc1_mean    0.8801597 0.04112954 21.399697 2.447987e-49

# Das Intercept ist immer der vorhergesagte Wert für das Kriterium (hier sc2_mean)
# wenn alle Prädiktoren (hier sc1_mean) den Wert 0 haben. Jeder Erhöhung um einen Punkt
# in der Prädiktorvariable erhöht den vorhergesagten Wert für das Kriterium um das zugehörige
# b-Gewicht (Estimate)
# Das Modell sagt also aus:
# Eine Person mit einem Selbstkonzept von 0 im Pre-Test würde das Modell einen Post-Test Wert
# von (Intercept)
round(summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))[["coefficients"]][1,"Estimate"], 2)

[1] 0.32

# vorhersagen. Einer Person mit einem Pre-Test Selbstkonzept von 2 würde das Modell
# einen Post-Test Wert von (Intercept + 2 * Regressionsgewicht sc1_mean)
round(summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))[["coefficients"]][1,"Estimate"] + 2 * summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))[["coefficients"]][2,"Estimate"], 2)

[1] 2.08

# vorhersagen.

Die (einfache) lineare Regression

# Grafisch sieht das dann so aus:
ggplot(mydata_scales, aes(x = sc1_mean, y = sc2_mean)) + 
  geom_point() +
  stat_smooth(method = "lm", col = "red") +
  xlim(0, 7) +
  ylim(0, 7)

Die (einfache) lineare Regression

# Aus dem Regressionsmodell lässt sich auch die Korrelation ableiten.
# Zumindest im einfachsten Fall mit einem Kriterium und einem Prädiktor ist die 
# Korrelation r die Wurzel aus dem R²
sqrt(summary(lm(sc2_mean ~ sc1_mean, data = mydata_scales))[["r.squared"]])

[1] 0.8580862

# Zum Vergleich
corr.test(mydata_scales[,c("sc1_mean", "sc2_mean")])

Call:corr.test(x = mydata_scales[, c("sc1_mean", "sc2_mean")])
Correlation matrix 
         sc1_mean sc2_mean
sc1_mean     1.00     0.86
sc2_mean     0.86     1.00
Sample Size 
[1] 166
Probability values (Entries above the diagonal are adjusted for multiple tests.) 
         sc1_mean sc2_mean
sc1_mean        0        0
sc2_mean        0        0

 To see confidence intervals of the correlations, print with the short=FALSE option

Einfache Gruppenvergleiche

t-Test - Selbstkonzept

# Wir könnten jetzt z.B. überprüfen, ob die vor der Intervention erhobenen Werte
# für Selbstkonzept und Interesse sich zwischen den Untersuchungsbedingungen unterscheiden

# Unterschiede in den Untersuchungsbedingungen im Selbstkonzept
# (Pre-Test)
t.test(sc1_mean ~ sozpos, data = mydata_scales)


    Welch Two Sample t-test

data:  sc1_mean by sozpos
t = -0.8296, df = 163.7, p-value = 0.408
alternative hypothesis: true difference in means between group low social position and group high social position is not equal to 0
95 percent confidence interval:
 -0.5434798  0.2219060
sample estimates:
 mean in group low social position mean in group high social position 
                          4.121951                           4.282738

t-Test - Interesse

# Unterschiede in den Untersuchungsbedingungen im Interesse
# (Pre-Test)
t.test(int1_mean ~ sozpos, data = mydata_scales)


    Welch Two Sample t-test

data:  int1_mean by sozpos
t = 0.73648, df = 162.56, p-value = 0.4625
alternative hypothesis: true difference in means between group low social position and group high social position is not equal to 0
95 percent confidence interval:
 -0.2803268  0.6138053
sample estimates:
 mean in group low social position mean in group high social position 
                          4.378049                           4.211310

Regressionsbasierte Gruppenvergleiche

# Das gleiche kann ich natürlich auch mit einer Regressionsanalyse berechnen
summary(lm(sc1_mean ~ sozpos, data = mydata_scales))


Call:
lm(formula = sc1_mean ~ sozpos, data = mydata_scales)

Residuals:
     Min       1Q   Median       3Q      Max 
-2.78274 -1.03274 -0.03274  0.96726  2.87805 

Coefficients:
                           Estimate Std. Error t value Pr(>|t|)    
(Intercept)                  4.1220     0.1378   29.90   <2e-16 ***
sozposhigh social position   0.1608     0.1938    0.83    0.408    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.248 on 164 degrees of freedom
Multiple R-squared:  0.004181,  Adjusted R-squared:  -0.001891 
F-statistic: 0.6885 on 1 and 164 DF,  p-value: 0.4079

# Welche inhaltliche Bedeutung haben hier das Intercept und das Regressionsgewicht?

Regressionsbasierte Gruppenvergleiche

# Das war eine Analyse mit sogenanntem dummy-Kontrast
contrasts(mydata_scales[,"sozpos"])

                     high social position
low social position                     0
high social position                    1

# Bei dummy-Kontrasten ist eine Bedingung die Referenzbedingung (in diesem Fall low social position)
# Das Intercept ist im einfaktoriellen Fall der Mittelwert der Referenzbedingung
# Das Regressionsgewicht sozpos1 stellt den Unterschied zur anderen Bedingung dar

Regressionsbasierte Gruppenvergleiche

# Helmert-Kontraste wären eine andere Option
# Hier ist das Intercept der Mittelwert zwischen beiden Bedingungen
contrasts(mydata_scales[,"sozpos"]) <- c(-1,1)
summary(lm(sc1_mean ~ sozpos, data = mydata_scales))


Call:
lm(formula = sc1_mean ~ sozpos, data = mydata_scales)

Residuals:
     Min       1Q   Median       3Q      Max 
-2.78274 -1.03274 -0.03274  0.96726  2.87805 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  4.20234    0.09688   43.38   <2e-16 ***
sozpos1      0.08039    0.09688    0.83    0.408    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.248 on 164 degrees of freedom
Multiple R-squared:  0.004181,  Adjusted R-squared:  -0.001891 
F-statistic: 0.6885 on 1 and 164 DF,  p-value: 0.4079

# Mit den Kontrasten verändert sich auch die inhaltliche Interpretation
# der Regressionsgewichte. Hier steht das Regressionsgewicht für den
# Abstand jeder Gruppe vom Intercept (es ist also genau halb so groß
# wie im vorherigen Beispiel)

Regressionsbasierte Gruppenvergleiche

# Zur Veranschaulichung der Kontraste
ggplot(mydata_scales, aes(x = as.numeric(sozpos)-1, y = sc1_mean)) + 
  geom_point() +
  stat_smooth(method = "lm", col = "red") +
  xlim(0, 1) +
  ylim(0, 7)

Übungsaufgaben

# Das ist euer Übungsdatensatz
PlantGrowth <- PlantGrowth
PlantGrowth

   weight group
1    4.17  ctrl
2    5.58  ctrl
3    5.18  ctrl
4    6.11  ctrl
5    4.50  ctrl
6    4.61  ctrl
7    5.17  ctrl
8    4.53  ctrl
9    5.33  ctrl
10   5.14  ctrl
11   4.81  trt1
12   4.17  trt1
13   4.41  trt1
14   3.59  trt1
15   5.87  trt1
16   3.83  trt1
17   6.03  trt1
18   4.89  trt1
19   4.32  trt1
20   4.69  trt1
21   6.31  trt2
22   5.12  trt2
23   5.54  trt2
24   5.50  trt2
25   5.37  trt2
26   5.29  trt2
27   4.92  trt2
28   6.15  trt2
29   5.80  trt2
30   5.26  trt2

## Aufgabe 1:
# Erstellt eine Tabelle mit der Gruppenaufteilung
# Hint: table()

Übungsaufgaben

## Aufgabe 1:
# Erstellt eine Tabelle mit der Gruppenaufteilung
# Hint: table()

# Lösung:
table(PlantGrowth[,"group"])


ctrl trt1 trt2 
  10   10   10

Übungsaufgaben

## Aufgabe 2:
# Bestimmt das Durchschnittsgewicht der Gesamtgruppe und
# der drei Untersuchungsgruppen.
# Hint: describeBy() oder komplizierter: subset()/filter() und mean()/describe()

Übungsaufgaben

## Aufgabe 2:
# Bestimmt das Durchschnittsgewicht der Gesamtgruppe und
# der drei Untersuchungsgruppen.

# Lösung describeBy():
describeBy(PlantGrowth ~ group)


 Descriptive statistics by group 
group: ctrl
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 5.03 0.58   5.15       5 0.72 4.17 6.11  1.94 0.23    -1.12 0.18
group     2 10 1.00 0.00   1.00       1 0.00 1.00 1.00  0.00  NaN      NaN 0.00
------------------------------------------------------------ 
group: trt1
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 4.66 0.79   4.55    4.62 0.53 3.59 6.03  2.44 0.47     -1.1 0.25
group     2 10 2.00 0.00   2.00    2.00 0.00 2.00 2.00  0.00  NaN      NaN 0.00
------------------------------------------------------------ 
group: trt2
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 5.53 0.44   5.44     5.5 0.36 4.92 6.31  1.39 0.48    -1.16 0.14
group     2 10 3.00 0.00   3.00     3.0 0.00 3.00 3.00  0.00  NaN      NaN 0.00

describeBy(weight ~ group, data = PlantGrowth)


 Descriptive statistics by group 
group: ctrl
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 5.03 0.58   5.15       5 0.72 4.17 6.11  1.94 0.23    -1.12 0.18
------------------------------------------------------------ 
group: trt1
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 4.66 0.79   4.55    4.62 0.53 3.59 6.03  2.44 0.47     -1.1 0.25
------------------------------------------------------------ 
group: trt2
       vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
weight    1 10 5.53 0.44   5.44     5.5 0.36 4.92 6.31  1.39 0.48    -1.16 0.14

Übungsaufgaben

## Aufgabe 2:
# Bestimmt das Durchschnittsgewicht der Gesamtgruppe und
# der drei Untersuchungsgruppen.

# Lösung subset() und mean:
mean(subset(PlantGrowth, group == "ctrl")[,"weight"])

[1] 5.032

mean(subset(PlantGrowth, group == "trt1")[,"weight"])

[1] 4.661

mean(subset(PlantGrowth, group == "trt2")[,"weight"])

[1] 5.526

Übungsaufgaben

## Aufgabe 2:
# Bestimmt das Durchschnittsgewicht der Gesamtgruppe und
# der drei Untersuchungsgruppen.

# Lösung im dplyr-Stil:
PlantGrowth |>
  group_by(group) |>
  summarize(
    mean_weight = mean(weight)
  )

# A tibble: 3 × 2
  group mean_weight
  <fct>       <dbl>
1 ctrl         5.03
2 trt1         4.66
3 trt2         5.53

Übungsaufgaben

## Aufgabe 3:
# Berechnet eine Regressionsanalyse mit weight als Kriterium und
# group als Gruppenvariable
# Hint: lm() und summary()
# Was könnt ihr anhand der Regressionsgewichte und 
# der Ergebnisse aus Aufgabe 2 über die Kontraste sagen?

Übungsaufgaben

## Aufgabe 3:
# Berechnet eine Regressionsanalyse mit weight als Kriterium und
# group als Gruppenvariable
# Was könnt ihr anhand der Regressionsgewichte und 
# der Ergebnisse aus Aufgabe 2 über die Kontraste sagen?
# Lösung:
summary(lm(weight ~ group, data = PlantGrowth))


Call:
lm(formula = weight ~ group, data = PlantGrowth)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.0710 -0.4180 -0.0060  0.2627  1.3690 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   5.0320     0.1971  25.527   <2e-16 ***
grouptrt1    -0.3710     0.2788  -1.331   0.1944    
grouptrt2     0.4940     0.2788   1.772   0.0877 .  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6234 on 27 degrees of freedom
Multiple R-squared:  0.2641,    Adjusted R-squared:  0.2096 
F-statistic: 4.846 on 2 and 27 DF,  p-value: 0.01591

Komplexere Gruppenvergleiche

Multiple Regression

# Fragestellung: Unterscheidet sich der Anstieg des Interesses von Pre-
# zu Post-Messung bei beiden Untersuchungsgruppen?
#
# Wie könnten wir vorgehen, um die Frage zu beantworten?

Multiple Regression

# Fragestellung: Unterscheidet sich der Anstieg des Interesses von Pre-
# zu Post-Messung bei beiden Untersuchungsgruppen?
#
# Wie könnten wir vorgehen, um die Frage zu beantworten?

# Nullmodell zum Vergleich
model0 <- lm(int2_mean ~ 1, data = mydata_scales)

# So sagen wir anhand der Gruppe den Wert zum Posttest vorher:
model1 <- lm(int2_mean ~ sozpos, data = mydata_scales)

# So sagen wir anhand der Gruppe den anhand des Wertes zum Prä-Test 
# korrigierten Wert zum Posttest vorher:
model2 <- lm(int2_mean ~ sozpos + int1_mean, data = mydata_scales)

# Und so schauen wir noch, ob sich die Untersuchungsbedingung abhängig von der Höhe des
# Prä-Test Werts unterschiedlich auf die Entwicklung von Prä- zum Post-Test auswirkt:
model3 <- lm(int2_mean ~ sozpos + int1_mean + sozpos:int1_mean, data = mydata_scales)

# Disclaimer: Man kann so vorgehen, besser wäre aber bei ausreichender Stichprobengröße
# ein Mehrebenen-Modell! Dieses Beispiel ist nur zur Veranschaulichung.

Multiple Regression

summary(model0)


Call:
lm(formula = int2_mean ~ 1, data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.2681 -1.0181  0.2319  1.2319  2.7319 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   4.2681     0.1237   34.51   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.593 on 165 degrees of freedom

Multiple Regression

summary(model1)


Call:
lm(formula = int2_mean ~ sozpos, data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.3244 -0.9604  0.2326  1.2611  2.7896 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  4.26739    0.12398   34.42   <2e-16 ***
sozpos1      0.05702    0.12398    0.46    0.646    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.597 on 164 degrees of freedom
Multiple R-squared:  0.001288,  Adjusted R-squared:  -0.004802 
F-statistic: 0.2115 on 1 and 164 DF,  p-value: 0.6462

Multiple Regression

summary(model2)


Call:
lm(formula = int2_mean ~ sozpos + int1_mean, data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.2994 -0.3308  0.1295  0.3846  3.3623 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.02662    0.16896   0.158   0.8750    
sozpos1      0.13934    0.05409   2.576   0.0109 *  
int1_mean    0.98745    0.03728  26.488   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6956 on 163 degrees of freedom
Multiple R-squared:  0.8117,    Adjusted R-squared:  0.8094 
F-statistic: 351.4 on 2 and 163 DF,  p-value: < 2.2e-16

Multiple Regression

summary(model3)


Call:
lm(formula = int2_mean ~ sozpos + int1_mean + sozpos:int1_mean, 
    data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.2435 -0.3227  0.1137  0.3528  3.4092 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)        0.02290    0.16940   0.135    0.893    
sozpos1            0.04225    0.16940   0.249    0.803    
int1_mean          0.98875    0.03741  26.428   <2e-16 ***
sozpos1:int1_mean  0.02263    0.03741   0.605    0.546    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.697 on 162 degrees of freedom
Multiple R-squared:  0.8121,    Adjusted R-squared:  0.8087 
F-statistic: 233.5 on 3 and 162 DF,  p-value: < 2.2e-16

Multiple Regression

# Erklärt das jeweils komplexere Modell die Daten 
# wirklich besser als die jeweils einfacheren Modelle?
# Oder: Steigt das R-Quadrat signifikant an?
anova(model0, model1, model2, model3)

Analysis of Variance Table

Model 1: int2_mean ~ 1
Model 2: int2_mean ~ sozpos
Model 3: int2_mean ~ sozpos + int1_mean
Model 4: int2_mean ~ sozpos + int1_mean + sozpos:int1_mean
  Res.Df    RSS Df Sum of Sq        F Pr(>F)    
1    165 418.95                                 
2    164 418.41  1      0.54   1.1108 0.2935    
3    163  78.88  1    339.53 698.9043 <2e-16 ***
4    162  78.70  1      0.18   0.3659 0.5461    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

# Der p-Wert für den Modelltest mit dem lm()-Befehl entspricht
# jeweils dem Vergleich mit dem Nullmodell.

Übungsaufgabe

Führt die eben gezeigten Analysen mit dem Selbstkonzept durch und interpretiert die Ergebnisse

Lösung

Auf der nächsten Folie kommt die Lösung :)

Lösung

# Nullmodell:
model0sc <- lm(sc2_mean ~ 1, data = mydata_scales)

# Hier werden wieder die Post-Test Werte anhand der Gruppe
# vorhergesagt:
model1sc <- lm(sc2_mean ~ sozpos, data = mydata_scales)
# oder: model1sc <- update(model0sc, .~. + sozpos) 

# Hier wird wieder für die Prä-Test Werte korrigiert:
model2sc <- lm(sc2_mean ~ sozpos + sc1_mean, data = mydata_scales)
# oder: model2sc <- update(model1sc, .~. + sc1_mean)

# Und hier betrachten wir wieder, ob das ursprüngliche 
# Selbstkonzept den Effekt der Untersuchungsbedingung 
# beeinflusst:
model3sc <- lm(sc2_mean ~ sozpos + sc1_mean + sozpos:sc1_mean, data = mydata_scales)
# oder: model3sc <- update(model2sc, .~. + sc1_mean:sozpos)
# oder: model3sc <- lm(sc2_mean ~ sozpos*sc1_mean, data = mydata_scales)

Lösung - Modell 0

summary(model0sc)


Call:
lm(formula = sc2_mean ~ 1, data = mydata_scales)

Residuals:
     Min       1Q   Median       3Q      Max 
-3.01807 -0.76807 -0.01807  0.91943  2.98193 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  4.01807    0.09928   40.47   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.279 on 165 degrees of freedom

Lösung - Modell 1

summary(model1sc)


Call:
lm(formula = sc2_mean ~ sozpos, data = mydata_scales)

Residuals:
    Min      1Q  Median      3Q     Max 
-3.3065 -0.8065  0.0274  0.9435  3.2774 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  4.01455    0.09694  41.413  < 2e-16 ***
sozpos1      0.29199    0.09694   3.012  0.00301 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.249 on 164 degrees of freedom
Multiple R-squared:  0.05242,   Adjusted R-squared:  0.04664 
F-statistic: 9.073 on 1 and 164 DF,  p-value: 0.003006

Lösung - Modell 2

summary(model2sc)


Call:
lm(formula = sc2_mean ~ sozpos + sc1_mean, data = mydata_scales)

Residuals:
     Min       1Q   Median       3Q      Max 
-3.13669 -0.30984 -0.00028  0.38017  2.12058 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.36437    0.17045   2.138    0.034 *  
sozpos1      0.22216    0.04837   4.593 8.69e-06 ***
sc1_mean     0.86861    0.03890  22.329  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6218 on 163 degrees of freedom
Multiple R-squared:  0.7665,    Adjusted R-squared:  0.7637 
F-statistic: 267.6 on 2 and 163 DF,  p-value: < 2.2e-16

Lösung - Modell 3

summary(model3sc)


Call:
lm(formula = sc2_mean ~ sozpos + sc1_mean + sozpos:sc1_mean, 
    data = mydata_scales)

Residuals:
     Min       1Q   Median       3Q      Max 
-3.09403 -0.27387 -0.00103  0.38017  2.06498 

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)       0.36158    0.17079   2.117   0.0358 *  
sozpos1           0.11136    0.17079   0.652   0.5153    
sc1_mean          0.86877    0.03897  22.295   <2e-16 ***
sozpos1:sc1_mean  0.02636    0.03897   0.677   0.4996    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.6228 on 162 degrees of freedom
Multiple R-squared:  0.7672,    Adjusted R-squared:  0.7629 
F-statistic: 177.9 on 3 and 162 DF,  p-value: < 2.2e-16

Lösung - Modellvergleiche

anova(model0sc, model1sc, model2sc, model3sc)

Analysis of Variance Table

Model 1: sc2_mean ~ 1
Model 2: sc2_mean ~ sozpos
Model 3: sc2_mean ~ sozpos + sc1_mean
Model 4: sc2_mean ~ sozpos + sc1_mean + sozpos:sc1_mean
  Res.Df     RSS Df Sum of Sq        F    Pr(>F)    
1    165 269.946                                    
2    164 255.795  1    14.151  36.4777 1.022e-08 ***
3    163  63.024  1   192.771 496.9101 < 2.2e-16 ***
4    162  62.846  1     0.178   0.4578    0.4996    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Noch eine Übungsaufgabe

Dieses Mal nur mit metrischen Variablen

# installiert dafür die datarium-Bibliothek für den Datensatz
install.packages("datarium")

# und ladet den Datensatz
data("marketing", package = "datarium")
# Ihr solltet jetzt die Variable marketing im Arbeitsspeicher sehen

Noch eine Übungsaufgabe

# Zunächst inspizieren wir den Datensatz
library(psych)
describe(marketing)

          vars   n   mean     sd median trimmed    mad  min    max  range  skew
youtube      1 200 176.45 103.03 179.70  176.64 130.59 0.84 355.68 354.84 -0.07
facebook     2 200  27.92  17.82  27.48   27.60  23.75 0.00  59.52  59.52  0.09
newspaper    3 200  36.66  26.13  30.90   34.10  27.75 0.36 136.80 136.44  0.88
sales        4 200  16.83   6.26  15.48   16.54   5.78 1.92  32.40  30.48  0.40
          kurtosis   se
youtube      -1.24 7.28
facebook     -1.28 1.26
newspaper     0.57 1.85
sales        -0.45 0.44

# Sales ist unsere AV und zeigen die Verkaufszahlen 
# der jeweiligen Firma (Einheit unbekannt)
# Die anderen drei Variablen (YT, FB, NP) sind unsere UVs
# und zeigen die Werbungskosten (in 1000€) auf der 
# jeweiligen Plattform

Übungsaufgabe 1

Betrachtet die drei Plattformen zunächst einzeln und beantwortet die folgenden Fragestellungen:

Gibt es einen Zusammenhang zwischen den über Facebook/Youtube/Zeitungen ausgegebenen Werbegeldern und den Verkaufszahlen?

Lösung 1-1

modelFB <- lm(sales ~ facebook, data = marketing)
summary(modelFB)


Call:
lm(formula = sales ~ facebook, data = marketing)

Residuals:
     Min       1Q   Median       3Q      Max 
-18.8766  -2.5589   0.9248   3.3330   9.8173 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 11.17397    0.67548  16.542   <2e-16 ***
facebook     0.20250    0.02041   9.921   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 5.13 on 198 degrees of freedom
Multiple R-squared:  0.332, Adjusted R-squared:  0.3287 
F-statistic: 98.42 on 1 and 198 DF,  p-value: < 2.2e-16

# Interpretation: Eine Firma, die kein Geld auf Facebook ausgibt, 
# hat einen erwarteten Verkaufswert von ca. 11 Einheiten.
# Mit jedem Anstieg um 1000€ steigt auch der erwartete 
# Verkaufswert um ca. 0.2 Einheiten.
# Aber: Keine Kausalinterpretation zulässig (es sei denn es würde # sich um ein Experiment handeln).

Lösung 1-2

modelYT <- lm(sales ~ youtube, data = marketing)
summary(modelYT)


Call:
lm(formula = sales ~ youtube, data = marketing)

Residuals:
     Min       1Q   Median       3Q      Max 
-10.0632  -2.3454  -0.2295   2.4805   8.6548 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 8.439112   0.549412   15.36   <2e-16 ***
youtube     0.047537   0.002691   17.67   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3.91 on 198 degrees of freedom
Multiple R-squared:  0.6119,    Adjusted R-squared:  0.6099 
F-statistic: 312.1 on 1 and 198 DF,  p-value: < 2.2e-16

# Interpretation: Eine Firma, die kein Geld auf Youtube ausgibt, 
# hat einen erwarteten Verkaufswert von ca. 8.4 Einheiten.
# Mit jedem Anstieg um 1000€ steigt auch der erwartete 
# Verkaufswert um ca. 0.05 Einheiten.

Lösung 1-3

modelNP <- lm(sales ~ newspaper, data = marketing)
summary(modelNP)


Call:
lm(formula = sales ~ newspaper, data = marketing)

Residuals:
    Min      1Q  Median      3Q     Max 
-13.473  -4.065  -1.007   4.207  15.330 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 14.82169    0.74570   19.88  < 2e-16 ***
newspaper    0.05469    0.01658    3.30  0.00115 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 6.111 on 198 degrees of freedom
Multiple R-squared:  0.05212,   Adjusted R-squared:  0.04733 
F-statistic: 10.89 on 1 and 198 DF,  p-value: 0.001148

# Interpretation: Eine Firma, die kein Geld bei Zeitungen ausgibt,
# hat einen erwarteten Verkaufswert von ca. 14.8 Einheiten.
# Mit jedem Anstieg um 1000€ steigt auch der erwartete 
# Verkaufswert um ca. 0.05 Einheiten.

Übungsaufgabe 2

Betrachtet nun die Werbekosten auf Facebook und Youtube gemeinsam
Beantwortet die Frage, ob die Daten für Synergie-Effekte sprechen (i.e., ob eine Investition auf FB und YT zusätzliche positive Effekte über die einzelnen Investitionen hinaus hat.)